散斑及压缩计算成像研究进展

计算成像是集光学、计算科学、信息科学于一体的新兴交叉领域技术。该技术基于多维光场调控与解调的信息传输原理,利用前端光电成像系统与后端数据处理的“一体化设计”,解决光场信息维度与探测维度不匹配的问题,从而有效提升感知能力和探测性能,目前已成为光电成像领域的前沿方向。其中,散斑成像能够通过调控散斑场来实现强散射光成像,打破了光散射妨碍成像的传统观点;空域和时域压缩计算成像通过对光场信号的编码,能够突破半导体工艺、大量数据传递与处理对高分辨率、高速探测器的限制;压缩计算光谱成像结合光学调制、复用探测与计算重构,解决了传统光谱成像中系统复杂、数据采集效率低和分辨率受限的问题。详细介绍这3类计算成像模式的原理方法和最新研究进展,分析当前尚存的问题,并对这类技术的未来发展方向进行了展望。     

确定性相位掩膜可压缩双透镜成像

压缩成像是压缩传感理论的一个重要应用领域.本文将确定性测量引入压缩成像,提出一种确定性相位掩膜可压缩双透镜成像方法.模拟实验结果表明,新的成像方法可以在显著地降低物理实现成本的同时,有效地捕获图像信息来重建原始图像.此方法改变了经典的模拟-数字转换的光学成像思路,减少模数转换开销,并有利于图像的传输和存储,可以为照相机的设计提供若干理论、计算和技术支撑.     

确定性相位掩膜可压缩双透镜成像

压缩成像是压缩传感理论的一个重要应用领域.本文将确定性测量引入压缩成像,提出一种确定性相位掩膜可压缩双透镜成像方法.模拟实验结果表明,新的成像方法可以在显著地降低物理实现成本的同时,有效地捕获图像信息来重建原始图像.此方法改变了经典的模拟-数字转换的光学成像思路,减少模数转换开销,并有利于图像的传输和存储,可以为照相机...     

基于阈值分割的并行压缩鬼成像方法

为了提高鬼成像的速度,提出了基于阈值分割的并行压缩差分鬼成像方法。首先通过设置合理的阈值筛选出涨落较为明显的数据进行采样;然后再通过并行分块降低图像维度,提高整体运算速度;最后通过压缩感知重构算法重构图像。通过对图"BUAA"的半物理仿真以及透射物体"光"的实验结果表明,与普通的二阶赝热光关联成像相比,该方法能以更少的采样次数和运行时间重构图像,可提升成像信噪比。     

应用CS理论实现同步采样压缩成像

为了减轻图像数据存储负担,实现图像在网络上的快速传输和实时处理,对一种新的压缩传感(CS)理论进行了研究。介绍了压缩传感理论的主要思想和基于压缩传感理论的光学成像系统,给出了一种新型图像重建算法—和谐正交匹配追踪算法,并进行了相应的模拟实验。实验结果显示,该成像机制可同步完成图像的采样与数据压缩,同时可获得良好的图像重建效果。由于该方法所要传输的信号数据量较小,所以十分有利于远距离的图像传输。     

确定性矩阵可分离压缩成像

针对可分离压缩传感使用的可分离随机正交矩阵在处理大尺度图像等高维信号感知时难度太大或成本过高的问题,引入确定性测量矩阵,提出确定性矩阵可分离压缩传感,可将如托普利兹矩阵及循环矩阵等具有确定性结构的矩阵作为可分离压缩传感的左、右可分离矩阵.该方案可以降低独立元素的数目,从而显著降低前端物理实现的难度与成本.数值模拟实验分别评估了该方法在不同采样率及不同图像尺寸下的压缩重建性能,结果表明该方法在独立元素非常少的情形下得到与原随机正交矩阵相近的重建质量,证明了其可行性.     

基于空-谱编码的压缩感知高光谱计算成像

压缩感知高光谱计算成像技术是当前高光谱计算成像领域的研究热点之一,其能够在保持系统元器件物理特性不变的前提下,有效地提升成像质量。本文概述了高光谱计算成像的研究背景和基本概念,详细介绍了压缩感知高光谱计算成像系统的发展现状,重点阐述了本团队提出的基于空-谱编码的压缩感知高光谱计算成像技术,并对其系统组成、数理模型以及最新进展进行了说明。通过总结压缩感知高光谱计算成像的背景知识以及空-谱编码压缩感知高光谱计算成像的研究工作,力求为科研人员探索压缩感知高光谱计算成像新体制带来新的思路,促进高光谱计算成像技术的发展。     

基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.     

压缩感知理论在光学成像中的应用

压缩感知以信号的稀疏性或可压缩性为条件,以远低于耐奎斯特采样频率对信号数据进行采样和编码。简要概括了压缩感知的基本理论,它采用非自适应线性投影来保持信号的原始结构, 能通过数值最优化问题精确或高概率地重构原始信号。详细介绍了其在光学成像系统中的应用,主要包括单像素相机、超薄成像、编码孔径成像、多路技术智能成像、多光谱成像和CMOS成像等成像系统。最后对该理论的应用前景进行了阐述。     

基于数字微镜器件的压缩感知关联成像研究

将数字微镜器件(DMD)应用于压缩感知(CS)关联成像,在该成像方案中,只需用无空间分辨能力的桶探测器,并结合相应的算法就能得到物体的像;将此成像方案应用于多光谱成像,仅需用线列探测器就能得到物体多光谱像,简化了多光谱成像探测的光电记录过程.通过对关联成像和CS理论的介绍阐明了成像原理.在实验平台上搭建演示装置,分别用...     

基于压缩感知的后调制远距离三维成像研究

基于压缩感知(CS)理论,提出使用高功率纳秒脉冲激光器照射远距离目标物体,通过望远系统将目标物体成像到数字微镜阵列(DMD)上,利用DMD加载的调制图像对目标物体的像进行调制(后调制),采用光电倍增管(PMT)作为单像素探测器收集调制后的光强,通过压缩感知计算,完成对远距离目标物体的三维图像重建。将此系统应用于远距离三维成像,通过搭建实验系统,分别对距离为230m和4.5km左右的目标物体完成了绝对距离的测量,实现了64pixel×64pixel的三维成像。同时也证实利用压缩感知进行远距离图像恢复,随着采样率的提高,图像恢复的质量和对比度都有一定程度的提高;目标物体图像越稀疏,重构图像所需的采样次数越少。     

选择性双向顺序压缩感知重建动态磁共振成像

压缩感知是一种新兴技术,该技术能够用远低于奈奎斯特采样频率采集的信号恢复出原始信号. 压缩感知成像方法大大提高了心脏磁共振成像的采集速度,已有的方法主要利用动态图像时间相关及心脏的周期性运动特征,如采用在时间维做傅立叶变换或求解每帧数据跟参考帧数据的差异获取稀疏数据,满足压缩感知重建的要求. 该文提出了选择性双向顺序压缩感知重建算法,利用相邻帧的差异更小的特点,获取更加稀疏的差异数据,同时利用动态图像的周期性,以目标函数积分为判据,在时间顺序和时间逆序两个方向选择效果更好的方向进行数据重建,降低图像伪影和噪声. 该选择算法,可以在不增加重建时间的情况下,选择双向顺序重建中最佳的结果. 该文对心脏磁共振图像数据进行了数据处理实验,并且跟传统压缩感知算法、参考帧差异方法及匙孔成像方法进行了比较. 结果表明：该方法无论从视觉效果还是从统计结果上,都有很大的改善.     

彩色漫射物体的压缩全息层析成像

漫射物体的压缩全息利用其非相干散射密度函数在统计意义上满足稀疏先验这一假设,可以从多幅散斑图案实现漫射物体的层析重建,避免了散斑和不同平面的散焦图像之间的串扰。将单波长照明条件拓展到红、绿、蓝三色波长,提出一种新的适用于彩色漫射物体的压缩全息层析成像方法,搭建多波长照明条件下漫射物体的层析成像模型,并通过解压缩推理方法有效地分离不同平面的三维非相干密度函数。数值模拟实验表明,所提方法可以在多幅二维彩色散斑图案中成功进行彩色层析漫射物体的压缩重建,有效地抑制了散斑效应以及不同平面的散焦图像之间的相互串扰。     

基于压缩感知的三维物体成像的简单计算方法

从压缩感知的原理入手,阐述了基于压缩感知的三维物体成像方法。为解决压缩感知三维物体成像计算量大的问题,重点提出了一种三维信息计算的简单方法。此方法通过两次压缩感知计算就可得到位于多个距离处的物体的三维信息,大大减少了计算量。对此方法进行了数值模拟,并分析了采样率的提高对于距离计算精度的影响;建立实际的三维成像系统,实验结果证明了这种方法的可行性。     

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。     

压缩感知理论在图像处理领域的应用

针对传统的采样方法得到的图像数据量巨大,给图像信息的后续处理造成极大压力的问题,对压缩感知理论（Compressed Sensing,CS）进行了研究。压缩感知理论使采集很少一部分数据并且从这些少量数据中重构出更大量信息的想法变成可能,突破了奈奎-斯特采样定理的限制。综述了CS理论及关键技术问题,并着重介绍了CS理论在成像系统、图像融合、图像目标识别与跟踪等方面的应用与发展状况。文章指出CS理论开拓了信息处理的新思路,随着该理论的进一步完善,会有更广泛的应用领域。     

基于分块压缩感知理论的太赫兹波宽光束成像技术

提出了一种基于分块压缩感知理论的太赫兹波宽光束成像技术。模拟结果显示,该技术可以实现高分辨率、高质量的快速成像。采用连续太赫兹波CO_2气体激光器光源,基于宽光束矩阵调制采样,对不同物体进行了分块压缩感知成像,并与基于单像素随机采样的分块压缩感知方法进行了对比。结果表明,所提技术具有更高的成像稳定性,且其采样过程对不同成像物体的普适性更好。     

一种结合并行成像和压缩感知的快速磁共振成像新方法

压缩感知（CS）技术和并行成像技术（主要是SENSE技术、GRAPPA技术等）都能通过减少k空间数据的采集量来加快磁共振成像速度,目前已有一些将两种方法相结合进一步加速磁共振成像速度的方法（例如CS-GRAPPA）.本文针对数据采集和重建这两方面对现有CS-GRAPPA方法进行了改进,采集方式上采用了局部等间隔采集模板以满足GRAPPA重建的要求,并对采集模板进行随机放置以满足CS重建的要求;数据重建时,根据自动校正数据估算GRAPPA算法中欠采行的重建误差,并利用误差的大小确定在CS算法中保真的程度.不同磁共振图像重建实验的结果表明：与现有方法相比,本文方法能够更好地保留原有图像细节并有效减少伪影.     

针对多散斑图的差分压缩鬼成像方案研究

鬼成像方案实现所需设备、成像的质量以及成像所花的时间是决定鬼成像技术可实用化的重要因素. 本文提出一种针对多散斑图的差分压缩鬼成像方案. 该方案通过连续探测多个独立的散斑图, 降低了热光鬼成像方案对探测器高时间分辨力的要求; 通过采用差分方法, 抑制了背景噪声和其他噪声源的干扰; 通过使用压缩感知重建算法, 有效地降低了鬼成像所需时间并同时提升成像的质量. 数值仿真结果表明, 对于二灰度“N” 图, 本方案在8000次的采样情形下与多散斑图鬼成像方案35000次采样的结果相比, 均方误差降低了96.9%、峰值信噪比提升15.1 dB. 对于八灰度“Pepper”图, 本方案与多散斑图鬼成像方案相比, PSNR提升11.4 dB. 本方案可降低探测设备的要求、提高成像质量、降低重建时间, 具有广阔的应用前景.